7952

تشخيص ناهنجاري در مواجهه با رانش آگاهي براي كاوش نظرات در شبكه هاي اجتماعي با استفاده از روش هاي يادگيري عميق

1399

دكتر بهروز مينايي

افراد زيادي در شبكه‌هاي اجتماعي فعاليت دارند و نظر خود را درباره موضوعات مختلف مانند رخدادهاي مهم، افراد‬ ‫مشهور، نشان هاي تجاري، شيوع بيماري وغيره، را ابراز مي‌كنند. نظرات مردم درباره يك موضوع يا محصول،‬ ‫ممكن است تحت تاثير عوامل مختلف تغيير كند. رديابي نظرات، براي‬ ‫سازمان ها و كسب‌‌وكارها بسيار مفيد است. حكومت ها نيز خواستار مشاهده روند تغييرات نظرات درباره سياست هاي‬ موجود هستند. بنابراين با رديابي نظرات، بازخورد مردم نسبت به تصميمات و سياست هاي اتخاذ شده، قابل‬ ‫مشاهده و پيگيري است. بر اين اساس مديران، تصميمات و سياست هاي موجود را مي‌توانند در صورت لزوم مورد بررسي‬ ‫قرار دهند كه اين امر بالا رفتن كيفيت خدمات و بهتر شدن شرايط زندگي مردم را به همراه دارد. ‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬ رديابي نظرات به درك و چگونگي تشكيل و تغييرات نظرات در طول زمان كمك مي‌كند و همچنين مي‌توان مدل‌هايي‬ ‫براي پيش بيني تاثير اقدامات جاري بر نظرات افراد در جامعه استخراج نمود. ‫با توجه به استفاده فراگير از شبكه هاي اجتماعي توسط اقشار مختلف جامعه، اين رسانه ها، بستر مناسبي براي‬ ‫رديابي نظرات هستند.‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬ در اين سمينار به بررسي كاوش نظرات جامعه و همچنين رهيافت هايي براي بررسي رانش مفهوم براي رديابي آگاهي در شبكه هاي اجتماعي، با تكيه بر روش‌هاي يادگيري عميق مي پردازيم تمركز اين سمينار به بحث تشخيص ناهنجاري در قالب رانش مفهوم در نظرات در حوزه شبكه هاي اجتماعي مي باشد.‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬

12/30/2020 12:00:00 AM

69841

1399/10/17

Drift aware Anomaly Detection for Opinion Mining in Social Networks using Deep Learning Methods

رديابي نظرات , شبكه هاي اجتماعي , يادگيري عميق , تشخيص ناهنجاري

Social networks , Deep learning , Awareness tracking , Anomaly Detection , Tracking Opinion